Advanced computer skills
A.A. 2022/2023
Obiettivi formativi
l corso si propone di:
·Fornire agli studenti una conoscenza dei principali strumenti base di Stata per l'analisi dei dati economici.
·Fornire una conoscenza dei comandi e funzioni principali di Stata, anche attraverso delle applicazionipratiche, esempi e risultati della ricerca accademica.
·Offrire l'opportunità replicare le analisi e risultati empirici di alcuni influenti articoli scientifici.
·Fornire gli strumenti per sviluppare in modo indipendente una semplice analisi di dati, in funzione anche di un eventuale lavoro empirico di tesi finale e di altri corsi erogati al Master di EPS (Global firms and markets, Comparative Politics e Empirical Methods for Economics and Policy Evaluation)
·Fornire agli studenti una conoscenza dei principali strumenti base di Stata per l'analisi dei dati economici.
·Fornire una conoscenza dei comandi e funzioni principali di Stata, anche attraverso delle applicazionipratiche, esempi e risultati della ricerca accademica.
·Offrire l'opportunità replicare le analisi e risultati empirici di alcuni influenti articoli scientifici.
·Fornire gli strumenti per sviluppare in modo indipendente una semplice analisi di dati, in funzione anche di un eventuale lavoro empirico di tesi finale e di altri corsi erogati al Master di EPS (Global firms and markets, Comparative Politics e Empirical Methods for Economics and Policy Evaluation)
Risultati apprendimento attesi
Gli studenti acquisiranno una serie di strumenti che saranno utili per futuri lavori empirici, sia all'interno che all'esterno dell'università:
·Gestione dei dati: struttura e utilizzo;
·Creazione di un workflowe utilizzo dei do-file(automatizzazione dove possibile, gestione di dataset di grandi dimensioni, gestione delle directories, etc..);
·Stima di modelli di regressione lineare;
·Creazione di statistiche descrittive attraverso tabelle, grafici;
·Creazione di tabelle di output di regressioni;
·Comprensione e interpretazione di risultati di articoli scientifici
·Gestione dei dati: struttura e utilizzo;
·Creazione di un workflowe utilizzo dei do-file(automatizzazione dove possibile, gestione di dataset di grandi dimensioni, gestione delle directories, etc..);
·Stima di modelli di regressione lineare;
·Creazione di statistiche descrittive attraverso tabelle, grafici;
·Creazione di tabelle di output di regressioni;
·Comprensione e interpretazione di risultati di articoli scientifici
Periodo: Primo trimestre
Modalità di valutazione: Giudizio di approvazione
Giudizio di valutazione: superato/non superato
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Periodo
Primo trimestre
Programma
The course will cover the following topics:
Topic 1 Introduction to Stata, installation, environment, the help tool, log and do files, file formats.
Topic 2 Basic operation with dataset: Load a dataset; browse/edit; count; describe; type of variables: strings, numeric, categorical; summarize; tabulate; generate new variables; eliminate existing variables; label var, label values; conditions; missing values; save
Topic 3 Do-file and workflow creation for the empirical analysis. From data management to descriptive analysis, how to organize work, create descriptive tables and graphs. Variables creation and management of missing values; importing dataset not in Stata format.
Topic 4 Operations across rows (mean min, max, median, sd, percentiles, etc)
Topic 5 Rearrange datasets (reshape long and wide) and combine different datasets.
Topic 6 Local, globals, matrices and loops.
Topic 7 Produce graphs with Stata
Topic 8 Regressions and hypothesis testing: correlation, ttest, chi2 test, linear regressions, instrumental variable regressions, probit and logit.
Topic 9 Producing descriptives and regression tables in Stata.
Topic 1 Introduction to Stata, installation, environment, the help tool, log and do files, file formats.
Topic 2 Basic operation with dataset: Load a dataset; browse/edit; count; describe; type of variables: strings, numeric, categorical; summarize; tabulate; generate new variables; eliminate existing variables; label var, label values; conditions; missing values; save
Topic 3 Do-file and workflow creation for the empirical analysis. From data management to descriptive analysis, how to organize work, create descriptive tables and graphs. Variables creation and management of missing values; importing dataset not in Stata format.
Topic 4 Operations across rows (mean min, max, median, sd, percentiles, etc)
Topic 5 Rearrange datasets (reshape long and wide) and combine different datasets.
Topic 6 Local, globals, matrices and loops.
Topic 7 Produce graphs with Stata
Topic 8 Regressions and hypothesis testing: correlation, ttest, chi2 test, linear regressions, instrumental variable regressions, probit and logit.
Topic 9 Producing descriptives and regression tables in Stata.
Prerequisiti
I partecipanti al corso devono aver già seguito corsi introduttivi di statistica e avere familiarità con la regressione lineare.
Metodi didattici
Le lezioni si svolgono soltanto in presenza e gli studenti devono portare con se il loro laptop.
Le lezioni si svolgono in lingua inglese.
Il materiale delle lezioni (lucidi e dati impiegati a lezione) vengono caricati sul Ariel prima della lezione.
Gli studenti devono caricare lo svolgimento degli esercizi sulla pagina Teams dedicata.
Le lezioni si svolgono in lingua inglese.
Il materiale delle lezioni (lucidi e dati impiegati a lezione) vengono caricati sul Ariel prima della lezione.
Gli studenti devono caricare lo svolgimento degli esercizi sulla pagina Teams dedicata.
Materiale di riferimento
The main material for the course are the lecture slides, which will be regularly uploaded on the course Ariel website. Students will also find the detailed course calendar and the lecture slides on the course Ariel website, with all the information on required readings for each lecture. In general, there is no required textbook for the course. The main study material are slides and academic papers. Some useful books are:
- Cameron, C. and Trivedi, P. K. (2010) "Microeconometrics Using Stata, Revised Edition". Stata Press
- Gentzkow, M. and Shapiro, J. M. "Code and Data for the Social Sciences: A Practitioner's Guide". To be found here: https://web.stanford.edu/~gentzkow/research/CodeAndData.xhtml
- Cameron, C. and Trivedi, P. K. (2010) "Microeconometrics Using Stata, Revised Edition". Stata Press
- Gentzkow, M. and Shapiro, J. M. "Code and Data for the Social Sciences: A Practitioner's Guide". To be found here: https://web.stanford.edu/~gentzkow/research/CodeAndData.xhtml
Modalità di verifica dell’apprendimento e criteri di valutazione
Per promuovere la frequenza delle lezioni, durante il corso gli studenti dovranno svolgere in classe alcuni esercizi. In aggiunta verrà chiesto agli studenti di eseguire un homework in piccoli gruppi da 1 a 3 studenti che andrà consegnato in una settimana di tempo. Queste due prove sostituiscono l'esame scritto.
Di conseguenza, per gli studenti frequentanti la valutazione sarà effettuata pesando:
- 25% esercizi in classe
- 25% homework
- 50% esame pratico a computer che verrà svolto durante l'ultima lezione.
Per gli studenti non frequentanti, la valutazione consisterà in due parti:
- delle domande a risposta multipla sulla gestione dati e su alcuni comandi Stata
- esame pratico a computer
Di conseguenza, per gli studenti frequentanti la valutazione sarà effettuata pesando:
- 25% esercizi in classe
- 25% homework
- 50% esame pratico a computer che verrà svolto durante l'ultima lezione.
Per gli studenti non frequentanti, la valutazione consisterà in due parti:
- delle domande a risposta multipla sulla gestione dati e su alcuni comandi Stata
- esame pratico a computer
INF/01 - INFORMATICA - CFU: 3
Lezioni: 20 ore
Docente:
Mazzarella Gianluca
Siti didattici